城市综合公园居民游憩满意度影响因素分析
——以深圳市综合公园为例

张省 周燕 杨倩

0 引言

游客满意度（tourist satisfaction）的研究最早可以追溯到Pizam对游客消费者行为的探究，他在比较游客期望值与游客体验之间的差异后提出了游客满意度的概念[1]。Bowen认为期望、绩效、差异、特性、情绪和公平6个因素共同对游客满意度产生影响[2]。Garyfallos运用多标准满意度分析（multicriteria satisfaction analysis,MUSA）方法确定公园的自然特征、服务水平和住宿设施作为游客满意度的影响因子[3]。在与服务质量（SERVQUAL）[4]理论结合后，游客满意度测评模型广泛应用于各类游憩地、景区、居住区、开放空间等规划、评级和管理工作中，如瑞典SCSB模型、欧盟ECSI模型以及国家文化和旅游局颁布的《旅游景区质量等级的划分与评定》。

与其他旅游地不同的是，城市综合公园不仅是吸引游客前来观、赏、习、品的开放式空间，更是体现城市精神、塑造城市文化、提升城市竞争力的主阵地。人与自然和谐共生的可持续发展对城市生态文明建设、城市优质生活环境的塑造和生态安全格局的构建具有重要意义[5]。由于具有多种功能的叠加优势，城市综合公园逐渐融入居民生活中，在满足居民物资方面需求的同时，也进一步满足了个人发展需求，提高了社会福利水平，因此居民游憩满意度对城市综合公园的规划和发展至关重要[6]。毛小岗等认为影响城市公园游憩满意度最大的潜变量是可达程度，其次是感知质量和感知价值[7]。黄细嘉等亦认为提升公园感知质量能够达到提高居民满意度与忠诚度的目标，感知质量对感知价值和游客满意度有显著正向影响[8]。杨围围和乌恩发现公园物质环境和社会环境满意度受出游动机的影响较大，而管理环境满意度受可达程度影响较大[9]。Akpinar指出城市公园为居民提供了宁静和沉思的空间，有助于缓解压力、减少焦虑、保持身体健康[10]。张海霞和周玲强认为居民通过城市公园获取情感幸福感和认知幸福感，而收入、年龄、文化程度、职业4个变量对游憩幸福感有显著影响[11]。李英等研究发现不同性别和年龄的居民对休闲服务供给因素的需求存在差异，年龄与游憩满意度存在正相关关系，而家庭月收入则与游憩满意度存在负向影响[12]。Smailes和Smith区分了被动游憩者（passive recreationists）和主动游憩者（active recreationists），探讨了游客的空间行为对城市生态游憩空间规划和管理的影响机理[13]。董楠和张春晖认为应当充分考虑居民的感知和诉求，依托微博、微信、短视频App等自媒体平台，采用游客喜闻乐见的方式推荐公园的文化遗存[14]。

随着旅游大数据的快速发展，从社交媒体、在线旅行社、智能定位等互联网平台中获得游客的移动行为特征、资源偏好以及服务管理满意度等数据可以有效地应用于分析游憩活动满意度和公园管理水平[15]。李云等认为旅游大数据除了规模大、种类多、速度快、准确性高、应用价值高等特征外，还具有时空特征显著以及多学科数据协调性等特征[16]。Korpilo等通过网络PPGIS（public participation geographic information system） 收集赫尔辛基市中心公园的游客行为数据，运用手机GPS追踪和问卷调查2种方式，研究公园服务质量与游客行为间的相关性[17]。Kozak等利用大数据技术挖掘线上和线下数据，统计词频热度、频次的语义，以挖掘国家公园游憩资源的名称、类型、特征及其影响因素[18]。Alaei等基于地理位置分享数据分析游客旅游中的即时情感（积极或消极情感体验），评估游后体验质量，用以提升公园游客管理效率[19]。

与使用旅游大数据评估公园游憩满意度的相关研究不同，本研究所用数据来源于“深圳市数字化城市管理信息系统”，研究创新和优势如下：1）通过搜索相应的关键词就能够快速获得大量数据，极大地减少了人力和物力；2）系统已对相关数据进行了初步的分类归纳，还增加了一些开放式问题，使得研究能够更为深入；3）根据系统的设定，相关投诉信息的完整度较高，能够在一定程度上保证数据的完整性。基于此，本文作者综合考虑观测变量和潜变量之间的关系，导出“深圳市数字化城市管理信息系统”中居民对深圳城市综合公园的认知、态度和情感，形成大样本数据，构建测量城市综合公园居民游憩满意度的结构方程模型，剖析居民城市综合公园游憩满意度的潜在影响因素及其因果关系，本研究结论为提升城市综合公园的服务品质和管理水平提供理论支持。

1 研究方法

在已有的公园游憩满意度模型基础上，本文作者通过分析与整理“深圳市数字化城市管理信息系统”中存储的来自深圳市城市管理和综合执法局（简称“综治平台”）、美丽深圳App、政府在线、微博、微信、邮件信访、媒体报道等的数据，对系统中的城市综合公园“投诉”与“点赞”数据进行统计量化，应用SPSS 22.0软件和AMOS 22.0软件构建结构方程模型，深入分析深圳市综合公园居民游憩满意度现状，了解居民对城市综合公园游憩品质和管理水平的真实感知。

1.1 数据来源

根据中国《城市绿地分类标准》（CJJ/T 85—2002）和《深圳市综合公园建设规范》（SZDB/Z 80—2013），综合公园面积≥5 hm2，娱乐和服务设施完备，并配有管理机构以维护公园环境和秩序[20]。截至2019年12月31日，深圳市有莲花山公园、深圳湾公园、人民公园、中心公园等96个综合公园，其中，罗湖区的综合公园有8个，福田区有10个，南山区有19个，盐田区有5个，宝安区有14个，龙岗区有17个，坪山有6个，龙华有7个，光明区有9个，大鹏新区有1个，总面积为5 473.121 2万m2。检索系统中居民对96个综合公园“投诉”与“点赞”等评价信息，导出2016—2019年相关案件数据共9 318条，经过整理和筛选后，有效的案件数据共6 274条（2016年1 185条，2017年1 457条，2018年1 649条，2019年1 983条）。对“投诉”与“点赞”选项下的“非常不满意、不满意、一般、满意、非常满意”的评价程度，分别用1～5分来赋分。

案件数据内容包括上报居民属性特征和综合公园游憩满意度评价情况两部分。其中，居民属性特征涉及上报途径来源、居住地区、性别、年龄、学历等（表1），居民评价数据来源构成中以现代网络媒体为主（79.15%）；深圳市常住居民占其中绝大多数（92.88%），外地短期游玩居民的数据信息只占7.12%；性别比例中，男性占53.73%，女性占46.27%；年龄构成中以中青年为主，55岁及以下占87.38%；学历构成中比例较高的是大专或本科（49.03%）；游玩次数构成中，“至少每周去一次公园”的比例为84.32%，反映了数据中的上报居民对公园的熟悉程度高，因此所筛选的数据样本具有代表性。导出的有效数据经过分类归纳可知，居民对城市综合公园满意度的评价涉及可达程度、景观环境感知、设施服务感知、安全保障感知及情感效用感知五大类，其中包括31小类。

表1 上报样本居民的基本情况Tab. 1 Basic information of reported sample residents

1.2 模型构建

影响城市综合公园满意度的因素是多元复杂的，有的是前提因素，如城市公园的空间可达程度（包括到达公园的时间与距离、内外部交通情况等），其是衡量居民生活质量与城市宜居性的重要指标[21]。有的是潜在因素，如心理情感、知识获取、社交沟通等需求预期，应当充分考虑居民的感知和诉求，在居民物质方面的需求得到较好满足的情况下进一步满足个人发展需求，提高社会福利水平[6]。有的是外显观测因素，如自然景观、游憩设施等要“以人民为中心”，合理规划生产、生态、生活“三生”空间，人与自然共生的可持续发展对城市生态文明建设、城市优质生活环境的塑造和生态安全格局的构建具有重要意义[5]。因此，在构建游憩满意度模型时需要综合考虑上述各类因素。在ECSI模型核心概念和架构的基础上，整理归纳深圳市数字化城市管理信息系统中当地居民“投诉”与“点赞”数据，对一些变量进行了调整和更新。本文作者初步构建一个综合公园居民游憩满意度结构方程模型（Structural Equation Model,SEM），并确定了结构方程中各层次的直接正负关系，假设可达程度、景观环境感知、设施服务感知和情感效用感知等对居民满意度有正向作用（图1）。该模型包含结构模型（椭圆形之间连接的路径）和测量模型（椭圆形与长方形连接的路径）2部分，其中长方形中的变量为观测变量，椭圆形中的变量为潜变量。将“道路保洁”和“乱搭乱建”归纳到“建筑物保洁”“服务态度”；“公园制度”和“无证/占道经营”归纳到“秩序维护服务”，得到共27个观测变量，6个潜变量，各潜变量之间存在的正负相关关系，分别用“＋”“－”表示。

1 城市综合公园居民游憩满意度模型Resident satisfaction index model of urban comprehensive parks

2 模型检验与结果

2.1 信度与效度分析

1 ）信度分析。用SPSS 22.0对系统里导出的有效数据的信度和效度进行检验。6个潜变量的可靠性系数（克朗巴哈值Cronbacha）在0.741～0.875之间，总量表信度达到0.924，说明这些数据内部一致性较好[22]，模型的潜变量分类设计是合理的（表2）。

表2 模型的信度分析Tab. 2 Analysis of model reliability

2）效度分析。根据因子分析法，以因子载荷系数＞0.5为标准筛选观测变量[23]。对数据进行KMO值和Bartlett球形检验，结果显示p值为0.000（p＜0.001），通过了Bartlett球形检验，且KMO值为0.841，大于0.7，因此样本数据适合进行因子分析[23]。

此外，通过主成分分析法和最大方差旋转法进行因子分析，研究发现6个公共因子的解释率达到68.3%，基本符合潜变量的预设情况；“道路铺设”“商品购物”和“结交朋友”3个观测变量的因子载荷系数＜0.5，分析发现其在导出的有效数据中占比较少，因此将其剔除（表3）。调整后的因子变量通过效度分析（表4），误差变异量和标准化因素载荷量可以用来计算潜变量的组合信度CR，模型变量的CR值均＞0.7，有较好的一致性。平均方差提取AVE值越大，观测变量解释潜变量的程度越高[24]，而表4中各变量的AVE值均＞0.5，说明数据分类的类别对变量的解释性较好。

表3 探索性因子分析Tab. 3 Analysis of exploratory factor

表4 模型的效度分析Tab. 4 Analysis of model validity

2.2 模型检验

通过因子分析法调整模型观测变量后，居民游憩满意度模型共包含24个观测变量和6个潜变量。首先，通过极大似然估计法对模型进行参数估计，最终得到模型的参数估计结果及标准化路径系数（图2）。

其次，用t值检验法对因素系数进行显著性检验（表5），检验结果表明各因素系数均通过t值检验。“可达程度”对“景观环境感知”“设施服务感知”“安全保障感知”均在0.05置信水平下有正向影响，对“情感效用感知”与“居民满意度”在0.01置信水平下有正向影响；“景观环境感知”与“安全保障感知”对“情感效用感知”在0.05置信水平下有正向影响，“设施服务感知”对“情感效用感知”在0.01置信水平下有正向影响；“景观环境感知”与“安全保障感知”对“居民满意度”均在0.05置信水平下有正向影响，“设施服务感知”与“情感效用感知”对“居民满意度”在0.01置信水平下有正向影响。

表5 结构方程模型标准回归路径系数Tab. 5 Standard regression path coefficients of structural equation model

表6 模型的配适度分析Tab. 6 Analysis of the match degree of the model

2.3 模型修正

在考虑变量理论上的实际意义情况下，模型修正主要是根据MI值及t值，增加变量提高模型拟合度或删除变量使模型变得简约。由于图2中的模型无变量可删除，考虑增加各测量误差变量间的因素关系，选择MI值最大的变量进行修正，根据一次放宽一个参数的原则，若是增加因素后，x2变小很多，各拟合优度衡量指标得到改善，且各因素系数的t值＞2.56，则说明模型的进一步修正是必要的。多次修正后得到了新的标准化参数估计路径图（图3），体现了变量之间的因果关系，且修正后的模型各指标达到标准（表7），是较优模型。

2 居民满意度模型标准化参数估计路径图Estimated road map of standardized parameters of resident satisfaction index model

3 居民满意度模型修正标准化参数估计路径图Estimated road map of standardized parameters for revision of resident satisfaction model

表7 修正模型的配适度分析Tab. 7 Analysis of the match degree of the modified model

2.4 结果分析

在“居民满意度”的观测变量中的“投诉情况”的因子载荷系数（0.66）低于“点赞情况”的因子载荷系数（0.82），说明深圳综合公园整体的管理运行效果较好，政府对居民的投诉情况回应与处理效果较好，基本满足了居民对公园综合功能需求。

5个潜变量之间，“情感效用感知”和“景观环境感知”对“居民满意度”的影响最大，路径系数分别为0.71和0.42。在“情感效用感知”的4个观测变量中，“放松心情”（0.84）、“缓解压力”（0.79）与“锻炼身体”（0.82）的因子载荷系数最高，可见无论是身处大城市努力拼搏充满压力的年轻人还是已退休的老年人，都希望在公园里释放压力，放松心情，说明居民的健康意识增强，对公园的生理和心理需求增强。在“景观环境感知”的观测变量中“垃圾清理”和“植被养护”的因子载荷系数（分别为0.79和0.88）最高，可见居民更喜欢空气清新、健康舒适的环境，更加注重综合公园的实用性。

“可达程度”对“景观环境感知”和“设施服务感知”的影响最大，路径系数分别为0.48与0.41，可见离家距离近、到公园的时间少的居民去公园的次数更多，游憩满意度更高，对公园里的景观环境和设施服务有更高的感知效果，这说明了综合公园布局在居民区附近的重要性。在“可达程度”的观测变量中，“到公园的时间”和“内部交通顺畅性”的因子载荷系数（分别为0.83和0.74）较其他变量大，对潜变量作用更明显，说明这2个变量对“景观环境感知”和“设施服务感知”的影响更大。

“设施服务感知”对“情感效用感知”的影响最大，路径系数为0.34，“安全保障感知”对“情感效用感知”的影响较小，路径系数为0.19。在“服务设施感知”的观测变量中，“休憩设施”和“秩序维护服务”的因子载荷系数（分别为0.74和0.82）最高；在“安全保障感知”的观测变量中，“植物安全”、“动物安全”与“水域安全”的因子载荷系数（分别为0.77、0.79和0.84）最高。这说明居民对公园有强烈的情感归属感，最担心公园基础功能的安全性，这是因为公园安全性对有小孩子和老人的家庭来说十分重要。

3 结论与政策建议

1）“情感效用感知”和“景观环境感知”对居民满意度的影响最大，说明公园游憩设施与服务供给策略应该以提升“情感效用+景观环境”感知为导向。对城市居民而言，到城市综合公园游憩的主要目的不是为了提高工作效率、改善人际关系和促进家庭融洽，而更多的是满足情感效用感知，包括幸福感、放松感和充实感等。因此，深圳市综合公园管理工作的重心应该是加强公园的凉亭、廊道、运动设施等公共设施的建设和更新完善；同时不断丰富青少年的体育运动和益智活动，老年人的晨练和晚练活动，以及民间文化表演等公园文娱活动。当然，确保公园的清洁和加强公园的绿化养护是城市综合公园管理的基本工作，也是提高居民游憩满意度的重要工作。

2）“可达程度”对“景观环境感知”和“设施服务感知”的影响最大，说明城市综合公园规划时应充分考虑公园的可达性。高可达程度的公园需要流畅方便的交通流线和视线通达的园内空间。一方面，深圳市应规划连接综合公园与城市居住区的公共交通网络，包括完善周末节假日直达公园的快速公交系统和增设公园出入口的地铁线路，同时科学合理设置公园出入口与设计停车场（库）规模，配备较远泊车点至景区入口的专用通勤车；另一方面，公园各游憩空间应该以软隔断为主，可使用灌木、绿篱等高1.2 m以下的植物进行遮挡，以提高视线可达程度，同时植被覆盖率的提高和观赏自然植物的进出路径的优化也增强了公园绿色可达程度。此外，深圳市作为一个新兴城市，在规划开发新城新区时，应根据实际发展情况，在居住区附近合理配套新的城市综合公园。

3）在“安全保障感知”的观测变量中，“植物安全”“动物安全”与“水域安全”的因子载荷系数最高，说明游客对公园安全管理水平比较在意。针对植物安全，要科学选择植物种植品种，尽量栽培大型植物，避免种植仙人球、夹竹桃、玫瑰等多刺植物，更不能种植有毒性的植物；针对动物安全，可以为携带犬类的游客划出一片区域来建设动物之家，医务室能够紧急处置突发疾病或轻微外伤，有人工饲养动物的公园应做好动物的卫生防疫工作；针对水域安全，除在水面众多的区域处设置明显的“严禁戏水、游泳”安全警示牌外，还要对容易发生安全隐患的水边栏杆、木栈桥进行拉网式的维修，增加公园水域保安人数，把安全管理责任落实到人。

图表来源(Sources of Figures and Tables)：

文中所有图表均基于深圳市数字化城市管理信息系统的数据，通过SPSS和AMOS等软件分析得出，由作者整理绘制。